HAL Id: tel-01064974
https://tel.archives-ouvertes.fr/tel-01064974
Submitted on 17 Sep 2014
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires
économique ?
Lionel Vedrine
To cite this version:
Lionel Vedrine. Interactions spatiales entre régions européennes et politique de cohésion : quel effet sur le développement économique ?. Economies et finances. Université d’Auvergne - Clermont-Ferrand I, 2011. Français. �NNT : 2011CLF10354�. �tel-01064974�
Ecole doctorale 245 des Sciences ´Economiques, Juridiques et de Gestion, UMR M´etafort AgroParisTech-Cemagref-Inra-VetAgroSup
Interactions spatiales entre r´ egions europ´ eennes et politique de coh´ esion : quel effet sur le
d´ eveloppement ´ economique ?
Th`ese Nouveau R´egime
Pr´esent´ee et soutenue publiquement le 22 avril 2011 Pour l’obtention du titre de Docteur`es Sciences ´Economiques
Par
Lionel V´edrine
Sous la direction de Mme PascaleCombes-Motel
Mme Nadine Turpin Membres du Jury :
Luc Behaghel Charg´e de Recherche INRA (PSE) Suffragant Alain Carpentier Directeur de Recherche INRA (UMR SMART) Rapporteur Pascale Combes-Motel Professeur `a l’Universit´e d’Auvergne (UMR CERDI) Directrice Vianney Dequiedt Professeur `a l’Universit´e d’Auvergne (UMR CERDI) Pr´esident Marc Gu´erin Chef du d´epartement «Territoires» (CEMAGREF) Suffragant
Alban Thomas Directeur de Recherche INRA (TSE) Rapporteur
NadineTurpin Directeur adjoint de l’UMR METAFORT (CEMAGREF) Co-directrice
Ecole doctorale 245 des Sciences ´Economiques, Juridiques et de Gestion, UMR M´etafort AgroParisTech-Cemagref-Inra-VetAgroSup
Interactions spatiales entre r´ egions europ´ eennes et politique de coh´ esion : quel effet sur le
d´ eveloppement ´ economique ?
Th`ese Nouveau R´egime
Pr´esent´ee et soutenue publiquement le 22 avril 2011 Pour l’obtention du titre de Docteur`es Sciences ´Economiques
Par
Lionel V´edrine
Sous la direction de Mme PascaleCombes-Motel
Mme Nadine Turpin Membres du Jury :
Luc Behaghel Charg´e de Recherche INRA (PSE) Suffragant Alain Carpentier Directeur de Recherche INRA (UMR SMART) Rapporteur Pascale Combes-Motel Professeur `a l’Universit´e d’Auvergne (UMR CERDI) Directrice Vianney Dequiedt Professeur `a l’Universit´e d’Auvergne (UMR CERDI) Pr´esident Marc Gu´erin Chef du d´epartement «Territoires» (CEMAGREF) Suffragant
Alban Thomas Directeur de Recherche INRA (TSE) Rapporteur
NadineTurpin Directeur adjoint de l’UMR METAFORT (CEMAGREF) Co-directrice
This publication has been funded under the PRIMA collaborative project, EU 7th Framework Pro- gramme, Theme 6 (ENV 2007-1) Environment (including climate change) European Commission, DG Research, contract no. 212345. Its content does not represent the official position of the European Commission and is entirely under the responsibility of the author.
Je tiens tout d’abord `a remercier Pascale Combes-Motel pour avoir dirig´e cette th`ese et dont le soutien et la gentillesse en ont grandement facilit´e la fin. Je souhaite pr´esenter toute ma gratitude `a Nadine Turpin pour son rˆole essentiel dans ce parcours d’appren- tissage `a la recherche. Je lui dois infiniment pour sa relecture attentive, ses conseils et remarques toujours pleines de sens. Je lui suis encore plus reconnaissant de m’avoir laiss´e une grande libert´e par rapport au sujet initial de cette th`ese. C’est certainement par cette attitude qu’elle m’a permis d’appr´ehender au mieux ce que pouvait ˆetre le parcours complet de toute recherche.
Je remercie chaleureusement Alain Carpentier et Alban Thomas d’avoir accept´e de rapporter ce travail. Je suis tr`es honor´e que Luc Behaghel, Vianney Dequiedt et Marc Gu´erin ait accept´e de faire partie du jury.
Le rendu final de cette th`ese est le fruit«d’interactions» avec un grand nombre de personnes. Je remercie de tout cœur Salima Bouayad-Agha d’avoir accept´e de m’accom- pagner dans mes projets d’article, me faisant profiter de toute son exp´erience au fil de nos nombreuses discussions. Merci `a elle pour avoir consacr´e beaucoup de temps `a relire attentivement une grande partie de cette th`ese. Apr`es ¸ca je ne peux que lui promettre de bannir certains mots de mon vocabulaire comme «fournir» ou bien encore «pro- bl`eme ». Je souhaite remercier Sylvain Chab´e-Ferret pour son ´ecoute attentive et son soutien constant mˆeme lors de son s´ejour outre-Atlantique. Il a jou´e le rˆole de «grand fr`ere»durant ces ann´ees, en m’encourageant sans cesse `a creuser toujours plus en pro- fondeur un probl`eme ou la pertinence d’une«solution». Sa pr´esence dans l’´equipe tout au long de ma th`ese a ´et´e une chose pr´ecieuse.
camps, Guillaume Molinier, Emilie Caldeira, S´ebastien Marchand et Jonathan Passerat- Palmbach. Merci `a ce dernier d’avoir tent´e `a plusieurs reprises d’expliquer autour de moi ce que «je cherchais... en ´economie ? ». Je remercie bien sˆur Yves Koala dont le m´emoire de qualit´e a aliment´e certaines parties de mes recherches.
Je remercie Etienne Josien et Dominique Vollet pour m’avoir toujours encourag´e `a prendre«le large»dans diff´erents colloques et formations (je pense particuli`erement aux quelques s´ejours pass´es `a Toulouse pour suivre des cours au sein de TSE). Je remercie par ailleurs David Martimort et Patrick Rey d’avoir accept´e ma pr´esence durant leurs cours.
Je tiens `a exprimer mes remerciements `a tous ceux qui au sein de l’UMR M´etafort, et plus largement au Cemagref de Clermont-Ferrand, ont fait de ces ann´ees de th`ese une exp´erience enrichissante, plaisante et utile. Je remercie C´ecile Germot et Sandrine Lagoutte toujours volontaires pour effectuer un nombre de tˆaches ind´enombrables et qui rendent le planning de travail de chacun beaucoup plus confortable. Merci `a Co- lette Cadiou et Sybille De Mareschal pour leurs conseils et leur aide pr´ecieuse dans la recherche de documents, mais ´egalement pour leurs nombreuses pr´esentations toujours tr`es int´eressantes. Merci aux «mamans» avec qui j’ai partag´e les incertitudes li´ees `a l’´elaboration d’un tel document. J’esp`ere que je pourrais me rendre autant utile qu’elles l’ont ´et´e pour moi durant ces derniers mois. Un grand merci `a Fabrice pour son ´ecoute lors de nos«rares»pauses caf´es...Malgr´e ces instants je ne suis toujours pas capable de rep´erer le moindre vol d’oiseaux dans le ciel : honte `a moi ! Merci `a Fabien et Laurence de m’avoir fait b´en´eficier passivement de leur tabagisme durant les «autres» pauses
au sein de MECF.
Je remercie le CEMAGREF et le Conseil R´egional d’Auvergne pour avoir financ´e cette th`ese et m’avoir fourni les moyens n´ecessaires `a sa r´ealisation. Je suis ´egalement reconnaissant des efforts faits par les membres de l’´ecole doctorale pour me permettre de soutenir dans les d´elais. Une partie de ces travaux ont ´et´e financ´e par le projet europ´een PRIMA. Je remercie ´egalement les coll`egues des projets PSDR AMEN et REGIAB, en particulier Tina Rambonilaza et Anne Lacroix pour leurs r´eflexions pertinentes sur mes travaux.
L’accomplissement de cette th`ese n’aurait pas ´et´e possible sans le soutien constant de ma famille, en particulier de mes parents et de ma sœur, pendant toute cette p´eriode.
Leur bienveillance tout au long de ce parcours a ´et´e pour moi une source indispensable de stabilit´e et de volont´e. C’est aussi grˆace `a mes parents, qui ont toujours su me laisser libre de mes choix, que j’ai pu satisfaire ma curiosit´e dans cette discipline qu’est l’´economie.
La politique europ´eenne de coh´esion vise `a r´eduire les disparit´es de d´eveloppement
´economique entre les r´egions en proposant des subventions `a l’investissement aux r´egions europ´eennes les plus en retard. Cette politique s’inscrit dans le d´ebat sur la r´epartition et l’´evolution des activit´es dans l’espace.
Cette th`ese pr´ecise la mani`ere dont les interactions spatiales entre r´egions influencent l’efficacit´e de la politique de coh´esion europ´eenne. Nous analysons notamment comment les interactions spatiales affectent trois aspects de la politique de coh´esion.
Dans un premier temps, nous pr´esentons une strat´egie d’estimation du processus de convergence des r´egions europ´eennes permettant d’int´egrer ces propri´et´es spatiales dans un mod`ele dynamique en donn´ees de panel. Les r´esultats r´ev`elent que la concentration spatiale initiale des activit´es agit comme un frein `a la convergence des r´egions les plus en retard. Celles-ci ne peuvent b´en´eficier convenablement des effets de d´ebordement
´economique (notamment technologique) alors que ce m´ecanisme explique une part im- portante de la croissance europ´eenne. Ces r´esultats justifient donc la mise en place d’une politique d’aide au d´eveloppement en faveur de ces r´egions.
Dans un second temps, nous analysons le processus d’allocation des subventions eu- rop´eennes en d´eterminant comment la structure de gouvernance de la politique de co- h´esion affecte l’apparition d’interactions strat´egiques entre gouvernements r´egionaux.
Nous d´eveloppons un mod`ele «d’agence politique» dans lequel nous ´etudions l’effet de la structure de gouvernance d’une politique publique sur la d´ecision des ´electeurs d’acqu´erir de l’information sur l’activit´e des gouvernements locaux. Nous montrons que l’apparition d’interactions r´esultant d’un m´ecanisme de «concurrence par comparai-
en montrant que les interactions spatiales sont plus intenses lorsque la gouvernance de la politique est d´ecentralis´ee. Ce travail met en ´evidence une nouvelle source d’interac- tion spatiale dans l’allocation des subventions `a partir de d´eterminants institutionnels en plus des facteurs socio-´economiques ´etudi´es jusqu’alors.
Enfin, nous montrons que l’interaction spatiale influence l’´evaluation de la politique de coh´esion. Nous reprenons la strat´egie utilis´ee pour r´e´evaluer le processus de conver- gence des r´egions europ´eennes dans laquelle nous prenons soin de prendre en compte l’endog´en´eit´e de l’allocation des fonds, ainsi que la possibilit´e d’effets de d´ebordements des fonds. Les r´esultats indiquent que si la politique de coh´esion a un impact direct sur le d´eveloppement des r´egions les plus en retard ´economiquement, celui-ci reste mo- deste et ne permet que de compenser partiellement la concentration spatiale initiale des activit´es ´economiques au sein de la Communaut´e europ´eenne.
European cohesion policy aims to reduce disparities in economic development between regions by providing investment subsidies to European regions lagging behind. The evaluation of this policy is linked to the debate on the distribution of activities in space and its evolution.
This thesis depicts how spatial interactions between regions influence the effectiveness of European cohesion policy. We analyze how such spatial interactions affect three acpects whose study is crucial to support, understand and evaluate the cohesion policy.
At first, we propose a strategy for estimating the convergence process of European regions to integrate their spatial properties in a dynamic model using panel data. The results show that the initial spatial concentration of activities impedes the convergence of the most lagged regions. They can’t benefit adequately from economic spillover effects, including technology. This mechanism explains a large share of European growth. These results therefore justify the establishment of a policy of development assistance for the development these regions.
In a second step, we analyze the grant allocation process in determining how the structure of governance of cohesion policy affects the development of strategic interac- tions between regional governments. We develop a political agency model in which we capture the effect of the governance structure of public policy on the decision of voters to acquire information on the activities of local governments. We show that the appea- rance of spatial interactions resulting from a mechanism of«yardstick competition»is increasing with the degree of policy decentralization. From an empirical analysis of the 2000-06 period, we confirm the proposed model by showing that spatial interactions are
in addition to socioeconomic factors studied so far.
Finally, we show that the way of measuring the impact of the policy is affected by the presence of spatial interactions. Resuming strategy used to reassess the process of convergence of European regions in which we take care to consider the endogeneity of the allocation of funds and the possibility of spillovers of funds. The results indicate that if the cohesion policy has a direct impact on the development of the regions most lagging behind economically, it remains small and only allows to partially offsetting the initial spatial concentration of economic activities within the European Community.
1 Introduction 1
2 Strat´egie d’estimation d’un mod`ele dynamique spatial par les GMM 15
2.1 Introduction . . . 16
2.2 Probl`emes ´econom´etriques li´es `a l’estimation des mod`eles dynamiques spatiaux en donn´ees de panel . . . 18
2.2.1 Les mod`eles dynamiques spatiaux . . . 18
2.2.2 Strat´egie d’estimation d’un mod`ele dynamique spatial par les GMM . . . 23
2.3 Application empirique :β-convergence des r´egions europ´eennes . . . 28
2.3.1 Mod´eliser laβ-convergence pour une sp´ecification dynamique spa- tiale en donn´ees de panel . . . 28
2.3.2 Description des donn´ees . . . 32
2.3.3 Analyse ´econom´etrique . . . 36
2.4 Conclusion . . . 46
3 Allocation des fonds structurels europ´eens et interactions strat´egiques 49 3.1 Introduction . . . 49
3.2 Processus institutionnel et allocation des fonds . . . 51
3.2.1 Les d´eterminants socio-´economiques de l’allocation des fonds struc- turels . . . 53
3.2.2 Quelle est l’influence du processus de n´egociation ? Les d´etermi- nants politico-´economiques de l’allocation des fonds. . . 55
3.3 Existe-t-il un m´ecanisme de concurrence par comparaison entre les r´e- gions europ´eennes dans leur demande d’aide au d´eveloppement ? . . . . 59
3.3.1 Description du mod`ele . . . 59
3.3.2 Equilibre sans concurrence par comparaison (yi0) . . . 63
3.3.3 Equilibre sous concurrence par comparaison (EχihyiCi=yi1) . . . 69
3.3.4 D´ecision d’acquisition de l’information avec un coˆut fixe exog`ene (I?) . . . 73
3.4 Analyse empirique . . . 74
3.4.1 Incitations des d´ecideurs et choix des Etats Membres dans la mise en oeuvre de la politique structurelle . . . 75
3.4.2 M´ethodes d’estimations . . . 77
3.4.3 Donn´ees et variables . . . 80
3.4.4 R´esultats . . . 83
3.5 Conclusion. . . 90
4 Impact de la politique de coh´esion et convergence au sein de l’UE-15 101 4.1 Introduction . . . 101
4.2 Quelques points de litt´erature sur l’analyse de l’impact des fonds struc- turels sur la convergence . . . 105
4.2.1 Impact de la politique de coh´esion et ´evolutions des disparit´es ´economiques : une pr´esentation de la litt´erature . . . 105
4.2.2 Mod´eliser les effets de la politique de coh´esion : une approche par
la convergence. . . 109
4.3 Strat´egie d’estimation . . . 114
4.3.1 Biais d’omission de la variable autor´egressive spatiale . . . 115
4.3.2 Biais d’omission de la variable autor´egressive . . . 118
4.3.3 L’estimation d’un panel dynamique spatial . . . 119
4.4 Fonds structurels et r´egions Objectif 1 . . . 120
4.4.1 Description des donn´ees . . . 120
4.4.2 D´efinition de la matrice de pond´eration spatiale . . . 122
4.4.3 Dynamique de d´eveloppement des r´egions europ´eennes . . . 123
4.5 R´esultats . . . 127
4.6 Conclusion . . . 139
5 Conclusion 145
2.1 Statistiques descriptives . . . 35 2.2 Tests LM pour l’autocorr´elation spatiale, les effets al´eatoire et la d´epen-
dance s´erielle . . . 37 2.3 R´esultats des estimations d’un mod`ele dynamique simple (2.3.2) . . . 41 2.4 R´esultats des estimations du mod`ele«spatio-temporel simultan´e»(2.3.3)
et avec une erreur autor´egressive spatiale (2.3.5) . . . 44 2.5 R´esultat des estimations du mod`ele«spatio-temporel dynamique»(2.3.4)
. . . 45 2.6 Echantillon . . . 48 3.1 Estimations sans interactions spatiales . . . 84 3.2 Tests de sp´ecifications spatiales . . . 84 3.3 Estimations de l’´equation (3.4.1) . . . 87 3.4 Estimations des ´equations (3.4.2) et (3.4.3) . . . 88 3.5 Sensibilit´e des r´esultats `a la d´efinition de la matrice de pond´eration spa-
tiale (´equation (3.4.3)) . . . 89 4.1 Statistiques descriptives . . . 124
4.2 Tests d’autocorr´elation spatiale, effets al´eatoires et corr´elation s´erielle . . 128 4.3 Estimation du mod`ele de croissance n´eoclassique et de sa version auto-
r´egressive spatiale (eq (4.2.2) et (4.2.3)) . . . 131 4.4 Estimation du mod`ele dynamique spatial avec effets directs des fonds
structurels (eq (4.2.7) et (4.2.9)) . . . 133 4.5 Calcul des param`etres du mod`ele de croissance n´eoclassique avec inves-
tissement public `a partir des r´esultats des estimations tables (4.4) et (4.9) . . . 135 4.6 Estimations de l’´equation de s´election en diff´erenciant programme Ob-
jectif 1 des autres programmes . . . 136 4.7 Estimation de l’´equation (4.2.9) sans investissement par tˆete . . . 138 4.8 Composition de l’´echantillon . . . 142 4.9 Estimation avec effet direct des fonds dans un panel dynamique standard 143
2.1 Evolution de la r´epatition spatiale du PIB par tˆete par rapport au niveau moyen de l’UE-14 . . . 36 3.1 Lien entre r´epartition r´egionale des fonds structurels et niveau de richesse 54 3.2 Lien entre r´epartition r´egionale des fonds structurels et taux de chˆomage 55 3.3 R´epartition r´egionale des fonds structurels par habitant (2000-06) . . . . 58 4.1 Evolution des niveaux de richesses et taux de croissance en fonction de
l’´eligibilit´e `a l’Objectif 1 . . . 125 4.2 Evolution de la r´epartition spatiale des niveaux de PIB par habitant . . 126
Chapitre 1
Introduction
«Il est souvent plus difficile de finir que de commencer.» Mon nom est personne
Les autorit´es europ´eennes tentent de concilier les questions d’efficacit´e et d’´equit´e en proposant une politique de coh´esion qui «vise `a donner `a toute r´egion l’opportunit´e de faire le meilleur usage de son potentiel et `a toutes les personnes d’ˆetre int´egr´ees socialement, ind´ependamment du lieu o`u elles se trouvent»(Barca,2009). La politique de coh´esion vise `a modifier la r´epartition et l’´evolution des activit´es dans l’espace en renfor¸cant le potentiel de d´eveloppement endog`ene des r´egions. Elle fournit un cadre d’investissement ainsi que le syst`eme de mise en oeuvre n´ecessaire pour atteindre un d´eveloppement plus harmonieux au sein de l’espace communautaire.
La mesure de l’impact de cette politique n´ecessite de consid´erer plusieurs probl`emes en mˆeme temps. Le premier provient de l’existence d’interactions spatiales entre les r´egions : l’´evolution des disparit´es ´economiques entre les r´egions europ´eennes d´epend de la concentration initiale des activit´es, mais ´egalement de l’anisotropie des interactions entre les r´egions (r´eseaux de transport et commerciaux, diffusion technologique). Les
contrˆoler l’endog´en´eit´e des montants des fonds vers´es aux diff´erentes r´egions. Les mon- tants vers´es sont en effet corr´el´es avec un ensemble de d´eterminants (niveau de richesse initial) qui affectent simultan´ement le d´eveloppement de ces r´egions. Ces d´eterminants sont potentiellement interd´ependants entre les r´egions. Une meilleure compr´ehension des m´ecanismes d’allocation des fonds est une r´eponse possible `a ce probl`eme.
Cette th`ese pr´ecise la mani`ere dont les interactions spatiales entre r´egions influencent l’efficacit´e de la politique de coh´esion. Nous analysons notamment comment les inter- actions spatiales affectent trois aspects dont l’´etude est d´eterminante pour comprendre, analyser la mise en oeuvre et ´evaluer la politique de coh´esion.
Nous d´efinissons commeinteraction spatiale toute interaction entre r´egions qui utilise l’espace comme suppport de diffusion (Magrini, 2004). Dans cette th`ese, nous consid´e- rons deux formes d’interactions.
Tout d’abord les interactions peuvent provenir de la localisation g´eographique des r´e- gions les unes par rapport aux autres. Le d´eveloppement des r´egions est affect´e par des d´eterminants qui ont une dimension spatiale explicite. Les relations commerciales, la mobilit´e des facteurs de production ainsi que les effets de diffusion technologique en sont les exemples les plus illustratifs. L’ensemble de ces ph´enom`enes lie le d´eveloppement d’une r´egion `a celui des r´egions voisines.
D’autre part, chaque gouvernement r´egional dispose d’instruments ´economiques pou- vant influencer l’´evolution de l’activit´e ´economique ainsi que sa r´epartition spatiale.
Selon le courant th´eorique du f´ed´eralisme fiscal (Oates, 1972), le choix par une r´egion de ces instruments est conditionn´e par les r´eactions des autres r´egions `a ce choix. Nous
d´efinirons ce type d’interaction comme strat´egique car elle implique que chaque r´egion prend en compte les d´ecisions de ses voisines.
La th`ese est organis´ee comme suit. Nous motivons la mise en place de la politique de coh´esion pour sa capacit´e `a contrebalancer la concentration initiale des activit´es dans l’espace (chapitre 2). Le chapitre 3d´ecrit la fa¸con dont les instruments financiers sont d´eploy´es entre les r´egions et le chapitre 4 fournit une ´evaluation de l’efficacit´e de ces fonds sur la p´eriode 1989-2005. Plus pr´ecis´ement, nous nous concentrons sur l’origine ´economique des interactions dans les chapitres2(effet des interactions spatiales sur le processus de convergence) et 4 (effet sur l’impact de la politique de coh´esion sur le d´eveloppement des r´egions b´en´eficaires). Entre ces chapitres, nous cherchons `a distinguer le rˆole des interactions strat´egiques dans l’ensemble des interactions spatiales au sein du processus d’allocation des fonds europ´eens (chapitre 3).
Strat´ egie d’estimation des mod` eles dynamiques spatiaux en donn´ ees de panel : une nouvelle approche pour ´ evaluer la convergence des r´ egions europ´ eennes
Depuis le milieu des ann´ees 1980, de nombreux travaux th´eoriques et empiriques ont aliment´e le d´ebat sur la convergence (Barro et Sala-I-Martin, 1995). Le cadre de r´e- f´erence des th´eories de la croissance est le mod`ele n´eoclassique. Solow (1956) et Swan (1956) d´ecrivent le processus d’accumulation du capital par tˆete, et montrant la conver- gence de la production entre r´egions ayant une structure ´economique similaire. Une
´economie converge vers un ´etat stable en raison de la d´ecroissance de la productivit´e marginale du capital par tˆete. Lorsque le capital est rare, il est tr`es productif, de sorte qu’il b´en´eficie d’un rendement ´elev´e, permettant aux agents ´economiques d’´epargner
r´egulier.
A cet ´etat r´egulier, le revenu r´egional continue de croˆıtre, mais cette croissance est d´etermin´ee par des facteurs exog`enes (progr`es technologique, taux de croissance d´emo- graphique...) que nous d´efinirons comme les caract´eristiques structurelles de l’´economie.
De ce fait, les r´egions avec les mˆemes caract´eristiques structurelles (taux d’´epargne, qualification de la population active, et taux de croissance d´emographique) vont n´eces- sairement converger vers des ´etats stationnaires similaires.
Cependant, les interactions spatiales peuvent r´eduire cette d´ecroissance marginale du capital de telle sorte que la dynamique d’une r´egion vers son ´etat r´egulier n’est plus uniquement d´etermin´ee par son niveau de richesse initial, mais ´egalement par les effets de d´ebordements ´economiques. A partir d’une concentration spatiale initiale des richesses, l’omission des interactions spatiales induit une mauvaise estimation de la convergence entre r´egions. La majorit´e des travaux sur la convergence s’est int´eress´ee `a la dynamique spatiale du processus, ou `a sa dynamique temporelle, mais pas les deux simultan´ement.
La contribution du chapitre 2 se situe sur un plan empirique. Il s’agit de r´e´evaluer le processus de convergence des r´egions europ´eennes `a l’aide d’un mod`ele dynamique spatial en donn´ees de panel. Bien que les m´ethodes d’estimation des panels dynamiques (Arellano et Bond (1991) ; Arellano et Bover (1995) ; Blundell et Bond (1998)) et les panels spatiaux (Anselin et al., 2008) soient maintenant standards dans la litt´erature
´econom´etrique, il n’y a eu qu’une contribution r´ecente des m´ethodes qui permettent de consid´erer les propri´et´es spatiales des mod`eles dynamiques en donn´ees de panel. Cette
contribution s’est int´eress´ee `a l’estimation des termes dynamiques par le maximum de vraisemblance (Elhorst, 2005) ou le quasi-maximum de vraisemblance (Lee et Yu, 2010b), mais en prenant les variables additionnelles comme strictement exog`enes.
Nous pr´esentons une strat´egie d’estimation pour les mod`eles dynamiques spatiaux en donn´ees de panel en utilisant la m´ethode des moments g´en´eralis´es (GMM). Elle consiste
`
a ´etendre les restrictions sur les moments de l’estimateur d’Arellano et Bond(1991) `a un panel dynamique spatial. Nous pr´esentons ´egalement une alternative permettant d’introduire de la d´ependance spatiale dans le processus d’erreur. Le principal int´erˆet de cette strat´egie r´eside dans sa capacit´e `a prendre en compte des sources multiples d’endog´en´eit´e, y compris celles provenant de variables autres que les termes dynamiques.
L’inconv´enient majeur est qu’elle ne peut assurer de r´esoudre les probl`emes de biais dans les situations pour lesquelles les instruments peuvent ˆetre faibles.
Nous montrons que notre strat´egie d’estimation est ais´ement utilisable pour l’estima- tion de plusieurs sp´ecifications dynamiques spatiales. L’application empirique porte sur la croissance r´egionale europ´eenne sur une p´eriode de 25 ans. Nos r´esultats indiquent l’existence d’un processus de convergence conditionnelle au sein de l’UE-15, qui est fortement affect´e par les disparit´es spatiales. Nous interpr´etons ce r´esultat comme une preuve que la concentration initiale des activit´es dans l’espace agit comme un frein `a la convergence au sein de l’Union europ´eenne. La prise en compte des interactions spa- tiales et des effets de rattrapage technologique indiquent que ce dernier m´ecanisme est un ´el´ement d´eterminant dans le processus de convergence des r´egions europ´eennes. Ces r´esultats laissent penser qu’un moyen d’acc´el´erer la convergence est d’allouer davan- tage de ressources aux r´egions les moins d´evelopp´ees, mais ´egalement `a celles qui sont entour´ees de r´egions pauvres.
concentrent sur les r´egions les plus pauvres (avec un niveau de PIB par tˆete inf´erieur `a 75% de la moyenne communautaire) b´en´eficiant du programme Objectif 1. En plus de cette s´election en fonction du niveau de richesse propre `a une r´egion, la d´efinition d’un crit`ere prenant en compte le niveau de richesse moyen des r´egions voisines pourraˆıt ˆetre un moyen d’allouer davantage de ressources aux r´egions qui en ont le plus besoin. La d´efinition d’un tel crit`ere peut paraˆıtre complexe et sujet `a controverse (quelle d´efinition du voisinage ? Pourquoi ne pas allouer directement davantage de fonds aux r´egions les moins d´evelopp´ees ?). La d´ecentralisation de cette politique ne serait-il pas un moyen alternatif afin d’obtenir une allocation qui prend en compte le niveau des fonds re¸cus par les r´egions voisines ? Le chapitre 3 r´epond partiellement `a cette question en met- tant en ´evidence la mani`ere dont le mode de gouvernance de cette politique affecte les interactions spatiales de l’allocation des fonds.
Allocation des fonds structurels europ´ eens et interactions strat´ egiques
On peut mettre en lumi`ere deux grandes tendances de l’´evolution des syst`emes de gouvernance des Etats europ´eens. Tout d’abord, les Etats cherchent `a am´eliorer l’effi- cacit´e du secteur public en pla¸cant la prise de d´ecision au plus proche du citoyen et mieux prendre en consid´eration la diversit´e des situations locales. Cette tendance `a la d´ecentralisation est dans le mˆeme temps accompagn´ee par la cr´eation d’organismes supranationaux visant `a l’int´egration ´economique et politique d’un ensemble d’Etats (la Communaut´e europ´eenne est l’exemple le plus avanc´e de ce genre d’organisme). La cr´eation de ces ensembles aboutit cependant `a la centralisation de certaines fonctions.
L’organisation des politiques r´egionales europ´eennes est directement concern´ee par cette
´evolution, de telle sorte que l’on peut distinguer au moins trois niveaux de d´ecisions l´egitimes (UE, Etats membres et d´ecideurs r´egionaux).
Dans la mesure o`u la d´ecentralisation implique une prise de d´ecision partitionn´ee entre plusieurs gouvernements, celle-ci peut conduire `a l’apparition d’interactions strat´egiques entre juridictions. Les apports r´ecents de l’´economie politique `a ce domaine tentent de montrer que ces interactions ont pour origine la mise en «concurrence par comparai- son» des gouvernements locaux par les ´electeurs (Besley et Case,1995). En comparant l’activit´e de leurs d´ecideurs locaux `a l’activit´e des autres d´ecideurs, les ´electeurs peuvent
´evaluer plus pr´ecis´ement l’activit´e de leur d´ecideur local et ainsi sanctionner les gouver- nements inefficaces («concurrence par comparaison»,Salmon(1987)). Par cons´equent, le m´ecanisme de «concurrence par comparaison» incite les d´ecideurs locaux ´elus `a prendre en compte les choix des autres d´ecideurs.
Le chapitre3analyse le lien entre le degr´e de d´ecentralisation d’une politique publique et l’apparition d’interactions strat´egiques horizontales (au sein d’un mˆeme niveau hi´e- rarchique). L’objectif de ce chapitre consiste `a d´eterminer les causes d’apparition d’in- teractions strat´egiques dans l’allocation des fonds structurels europ´eens.
Sur le plan th´eorique, nous ´etudions un mod`ele d’agence politique (Sand-Zantman, 2004) dans lequel les d´ecideurs locaux se lancent dans une activit´e de lobbying afin d’ob- tenir une aide au d´eveloppement r´egional. Le contrˆole de cette activit´e est effectu´e par les ´electeurs. Le vote est ici un moyen de sanctionner l’activit´e des ´elus locaux (Barro, 1986). Nous endog´en´eisons la structure d’information en introduisant une ´etape dans la- quelle l’´electeur d´ecide d’acqu´erir l’information n´ecessaire `a l’utilisation du m´ecanisme de «concurrence par comparaison» (niveau des fonds re¸cus par les r´egions voisines,
Lorsque le degr´e de d´ecentralisation est ´elev´e, la contribution du gouvernement local
`
a l’utilit´e de l’´electeur est ´egalement ´elev´ee. Ceci implique les r´esultats suivants : l’´elec- teur est ainsi plus incit´e `a acqu´erir de l’information afin de contrˆoler plus pr´ecis´ement l’effort produit par son gouvernement local lorsque le degr´e de d´ecentralisation est ´elev´e.
A l’inverse, l’incitation `a acqu´erir de l’information est plus limit´ee lorsque le degr´e de d´ecentralisation est faible, car le gain potentiel de cette acquisition est plus faible. La d´ecision d’acqu´erir de l’information (et utiliser le m´ecanisme de concurrence par com- paraison) est positivement affect´ee par un accroissement du degr´e de d´ecentralisation.
Nous montrons que l’apparition des interactions r´esultant d’un m´ecanisme de concur- rence par comparaison est croissante avec le degr´e de d´ecentralisation de la politique.
Nous testons cette proposition sur l’allocation des fonds structurels europ´eens (2000- 2006). Nous montrons que les interactions spatiales sont plus intenses lorsque les ´elus locaux ont en charge la mise en oœvre de la politique. Le niveau d’aide re¸cue par les autres r´egions affecte positivement le niveau des fonds re¸cus par une r´egion dans le cas o`u la mise en oeuvre est d´ecentralis´ee, alors que les interactions ne sont pas significatives dans le cas d’une gestion centralis´ee (ou d´econcentr´ee).
Quels effets de la politique de coh´ esion sur la convergence des r´ egions EU-15 (1980-2005) ?
La n´ecessit´e d’assurer un d´eveloppement harmonieux en r´eduisant l’´ecart entre les diff´erentes r´egions et le retard des moins favoris´ees figure d`es 1957 dans le pr´eambule du trait´e de Rome. Celui-ci pr´evoit, d´ej`a en 1957, la cr´eation du Fonds Structurel
Europ´een (FSE). Ce dernier a ensuite ´et´e compl´et´e par d’autres instruments d’aide au d´eveloppement, au fur et `a mesure de la construction europ´eenne et de l’arriv´ee de nouveaux membres. En 1962, lors de l’accord sur la politique agricole commune, est cr´e´e le Fonds Europ´een d’Orientation et de Garantie Agricole (FEOGA) destin´e `a soutenir et
`
a stimuler la production agricole dans la Communaut´e. En 1964 le FEOGA est divis´e en une section «garantie » et une section «orientation ». Cette derni`ere contribue actuellement aux d´epenses effectu´ees pour la r´eforme structurelle de l’agriculture et pour un mode de d´eveloppement rural correspondant `a la strat´egie de Lisbonne.
En 1973, suite `a l’adh´esion du Royaume-Uni, de l’Irlande et du Danemark, est cr´e´e le Fonds Europ´een de D´eveloppement Economique R´egional (FEDER), qui sert dans un premier temps `a la reconversion des r´egions en d´eclin industriel du Royaume-Uni et `a compenser, pour cet Etat Membre, le peu de «retour» qu’il recevait de la PAC.
Apr`es l’adh´esion de la Gr`ece puis de l’Espagne et du Portugal, les pr´erogatives de ce fonds s’´etendent progressivement `a l’ensemble des r´egions en retard de d´eveloppement.
En 1980, les politiques de d´eveloppement de l’Union Europ´eenne repr´esentent presque 10 % du budget de l’Union, et environ 0,09% du PIB de l’Europe des 15. A partir de la fin des ann´ees 80, les politiques de «d´eveloppement»sont requalifi´ees de«coh´esion», ou«structurelles»et b´en´eficient de moyens croissants. Une premi`ere r´eforme des fonds structurels existants, en 1988, pr´ealablement `a l’instauration du March´e Unique, est associ´ee `a une augmentation du budget `a 15,1% du budget de l’Union, augmentation port´ee `a 30,2% en 1992.
En 1992, le trait´e de Maastricht sur l’Union europ´eenne fait de la coh´esion ´econo- mique et sociale un objectif prioritaire de la Communaut´e, parall`element `a l’Union
´economique et mon´etaire (UEM) et au March´e unique. Pour l’Espagne, la Gr`ece, l’Ir-
Fonds de coh´esion destin´e `a ces quatre ´Etats membres. Son but est d’aider ces pays
`
a rentrer dans l’UEM dans les meilleures conditions en cofinan¸cant des projets dans les domaines de l’environnement et des transports. Le Conseil europ´een d’´Edimbourg de d´ecembre 1992 d´ecide d’une nouvelle augmentation de 40% des cr´edits r´eserv´es aux actions structurelles pour la p´eriode 1994-1999. L’Agenda 2000, ´elabor´e lors du Conseil europ´een de Berlin en mars 1999, concerne une r´eforme importante de la politique agri- cole, mais aussi une nouvelle r´eforme des fonds `a finalit´e structurelle. La r´eforme de la politique r´egionale d´ecrite dans les perspectives financi`eres de l’Agenda 2000 favorise la concentration des aides structurelles sur les r´egions en retard de d´eveloppement (r´e- gions «Objectif 1»), ainsi qu’une mise en oeuvre simplifi´ee des politiques, associ´ee `a une gestion directe des fonds par les Etats et les r´egions : l’Union n’intervient plus que pour coordonner et contrˆoler la conformit´e de l’utilisation des financements europ´eens.
Sur la p´eriode 2000-2006, les fonds structurels repr´esentent 35% du budget europ´een (Commission europ´eenne, 2006). La tendance `a la concentration des fonds vers les r´e- gions du programme Objectif 1 est renforc´e pour la p´eriode 2007-13 avec l’adh´esion des pays de l’est de l’europe. Les efforts pour assurer l’accessibilit´e des nouveaux Etats membres au reste de l’Union et leur rattrapage ´economique sont sans pr´ec´edent (82%
des fonds structurels sont affect´es au programme Objectif 1).
Si les objectifs et les modes de financement des politiques r´egionales europ´eennes ont vari´e depuis la fin des ann´ees 80, ces politiques reposent cependant essentiellement sur le financement d’investissements en faveur du d´eveloppement r´egional, comme des infrastructures, l’´education et la qualification des travailleurs, le d´eveloppement du tou- risme, la qualit´e de vie en milieu rural. Ces investissements ont un effet `a long terme
sur l’activit´e ´economique, que l’ensemble des travaux sur le sujet s’accorde `a qualifier de difficile `a mesurer. Les ressources mobilis´ees, assez faibles en 1988 mais en augmen- tation croissante, sont concentr´ees sur les r´egions en retard de d´eveloppement (79 % du montant sur la p´eriode 2000-2006, (Commission europ´eenne, 2006).
Une r´egion est consid´er´ee en retard de d´eveloppement si son niveau de richesse par habitant est inf´erieur `a 75 % de la moyenne europ´eenne (programme Objectif 1). Au cours des trois p´eriodes de programmation (1989-93, 1994-99, 2000-2006), ces r´egions ont b´en´efici´e de divers financements europ´eens leur permettant des investissements sur quatre axes principaux, l’agriculture et le d´eveloppement rural, le commerce et le tou- risme, le capital humain (´education et qualification), les infrastructures, les transports et l’environnement (Rodriguez-Pose, 2004). Ces fonds sont allou´es sous la condition d’un co-financement par chaque Etat Membre, avec cependant un niveau tr`es diff´erent d’un Etat `a l’autre. Ainsi, sur la p´eriode 1994-99, l’effet de levier sur la d´epense publique nationale, pour 1 euro communautaire investi, a ´et´e en moyenne de 0,6 euros, allant de 0,4 euros en Allemagne `a 2,5 euros aux Pays-Bas (Commission europ´eenne, 2004). Les effets de cette politique sur le d´eveloppement des r´egions b´en´eficiaires est encore sujet
`
a controverses.
Dans le chapitre4, nous utilisons un mod`ele de convergence conditionnelle afin de d´e- terminer si la politique de coh´esion et les fonds structurels que cette politique mobilise, affectent le d´eveloppement ´economique des r´egions b´en´eficiaires. La principale contri- bution de ce chapitre est de combiner l’´etude des dynamiques spatiales et temporelles li´ees au processus de convergence et la mesure de l’efficacit´e de la politique de coh´esion sur le d´eveloppement r´egional.
dans le chapitre2, nous estimons un mod`ele dynamique spatial dans lequel nous prenons soin de prendre en compte l’endog´en´eit´e de l’allocation des fonds, ainsi que la possibilit´e d’effets de d´ebordements des fonds. Afin de disposer d’un nombre suffisant de p´eriodes sur les fonds, nous introduisons la r´epartition r´egionale du FEDER pour la p´eriode 1980-89. Les valeurs en niveaux des montants des fonds re¸cus vont servir d’instruments
`
a l’´evolution des montants re¸cus pour les p´eriodes suivantes. La r´eforme de 1988, qui a introduit la d´efinition de programmation (et la d´efinition d’objectifs en fonction de la sp´ecificit´e des difficult´es affectant les r´egions b´en´eficiaires) est utilis´ee comme une variation exog`ene afin d’estimer la valeur ajout´ee des programmes Objectif 1.
Les estimations empiriques reposent sur un ensemble de donn´ees de 143 r´egions UE14- NUTS1/NUTS2 observ´e depuis plus de 25 ans (de 1980 `a 2005). Nos r´esultats indiquent que la politique de coh´esion affecte le d´eveloppement des r´egions b´en´eficiant du pro- gramme Objectif 1. Nous interpr´etons ce r´esultat comme une r´eelle valeur ajout´ee des programmes Objectif 1, par rapport aux effets des fonds attribu´es dans le cadre des autres programmes.
Les r´esultats de notre approche sugg`erent que la prise en compte des effets spatiaux r´eduit l’effet mesur´e de la politique. L’impact cumul´e des fonds allou´es au programme Objectif 1 (´elasticit´e de long terme) varie entre 0.07 pour le mod`ele dynamique spatial et 0.3 pour le mod`ele sans interaction spatiale. Une hausse de 10% du montant des fonds engendrerait pour les r´egions Objectif 1 un accroissement de leur PIB par tˆete de l’ordre de 3% avec les r´esultats obtenus `a partir d’un panel dynamique standard contre 0.7% `a l’aide des coefficients estim´es avec le mod`ele dynamique spatial. La prise en compte des interactions spatiales dans l’´evaluation de la politique de coh´esion entraˆıne
des r´esultats sensiblement diff´erents. Cette chute de l’effet estim´e de la politique en pr´e- sence d’effets spatiaux est ´egalement observ´e par Dall’erba et Le Gallo (2008) et Mohl et Hagen(2010). L’omission des interd´ependances spatiales conduit `a une surestimation des effets de la politique sur le d´eveloppement des r´egions b´en´eficiant d’un programme Objectif 1.
Cependant, ces r´esultats ne signifient pas que les fonds allou´es aux autres programmes n’ont pas d’impact sur la croissance globale dans l’UE (par exemple en stimulant les effets de diffusion technologique entre les r´egions), mais ceux-ci ne permettent pas un suppl´ement de croissance sp´ecifique aux r´egions qui en b´en´eficient.
Chapitre 2
Strat´egie d’estimation pour un mod`ele dynamique spatial en donn´ees de panel ` a l’aide des GMM. Une nouvelle approche
pour l’analyse de la convergence des r´egions europ´eennes 1
«Alors dans Besan¸con vieille ville espagnole Jet´e comme une graine au gr´e de l’air qui vole Naquit d’un sang breton et lorrain `a la fois Un enfant sans couleur, sans regard et sans voix.» V. Hugo
1Ce chapitre a fait l’objet d’une publication (en collaboration avec Salima Bouayad-Agha) dans Spatial Economic Analysis. Je remercie Emilie Caldeira et Nadine Turpin pour leurs relectures et leurs commentaires sur une premi`ere version de ce travail ainsi que tous les participants du«8thWorkshop of Spatial Econometrics»(Besancon, Juin 2009). Je tiens ´egalement `a remercier les deux relecteurs anonymes pour leurs remarques pleines de sens.
2.1 Introduction
Les travaux ´econom´etriques sur l’analyse des mod`eles dynamiques en donn´ees de pa- nel (Arellano et Bond (1991),Arellano et Bover(1995), Blundell et Bond(1998)) ainsi que l’´econom´etrie spatiale sur donn´ees en coupe (Anselin et Kelejian (1997), Anselin (2001)) et les mod`eles statiques en donn´ees de panel (Elhorst, 2003) sont maintenant abondants. L’int´erˆet des ´economistes appliqu´es pour l’´econom´etrie spatiale des donn´ees de panel (par exemple Baltagi et al. (2007)) et les mod`eles dynamiques spatiaux en donn´ees de panel est, cependant, relativement r´ecent. Les m´ethodes d’estimation pour ces mod`eles doivent faire face `a trois probl`emes importants et potentiellement concur- rents :
i) d´ependance s´erielle de chaque observation au fil du temps, ii) d´ependance spatiale `a chaque point dans le temps,
iii) effets inobservables individuels et temporels.
Les diff´erentes mod´elisations de la d´ependance spatiale ont des implications diff´erentes pour l’estimation et l’inf´erence statistique (Anselin, 1988). Des travaux r´ecents (Elhorst (2001) et 2005,Anselin(2001),Elhorst(2003),Lee et Yu(2009)) fournissent une analyse pr´ecise des diff´erentes sp´ecifications spatiales et sugg`erent des strat´egies pour les estimer.
Ainsi, diff´erentes sp´ecifications des mod`eles dynamiques spatiaux en donn´ees de panel ont ´et´e introduites pour contrˆoler l’h´et´erog´en´eit´e non observ´ee ainsi que pour les d´epen- dances spatiales et temporelles (Baltagi et al.(2007),Elhorst(2004), Yuet al. (2008)).
L’estimation de ces mod`eles est g´en´eralement bas´ee sur une fonction du maximum de vraisemblance (ML) (Elhorst(2003),Elhorst(2005)). R´ecemment,Kapooret al.(2007) ont propos´e une proc´edure d’estimation par la m´ethode des moments g´en´eralis´es (GMM) pour traiter de l’autocorr´elation spatiale des erreurs.
L’argument principal pour l’application des GMM «´etendus» `a un contexte spatial est qu’elle permet potentiellement de contrˆoler de l’endog´en´eit´e de la variable spatiale- ment d´ecal´ee mais ´egalement des autres variables explicatives du mod`ele.
Empiriquement, il existe de nombreux exemples pour lesquels l’apparition d’interac- tions spatiales peut se produire. C’est le cas pour les questions relatives `a l’´evolution des disparit´es ´economiques entre r´egions. La majorit´e des ´etudes sur la convergence s’ap- puie sur le mod`ele de croissance n´eoclassique (Solow (1956),Swan (1956)) et la plupart d’entre elles reposent sur le concept de convergence conditionnelle. L’id´ee est qu’une r´egion croˆıt d’autant plus vite que son niveau de richesse est ´eloign´e de son niveau de richesse de long terme (´etat r´egulier). Les r´egions (pays) n’ont pas les mˆemes ca- ract´eristiques structurelles et convergent donc vers des ´etats d’´equilibres stationnaires propres. La mobilit´e des facteurs, les relations commerciales et les effets de diffusion
´economique (telles que la diffusion des technologies) peuvent se r´ev´eler des facteurs im- portants pour comprendre la mani`ere dont le d´eveloppement ´economique d’une r´egion est susceptible d’ˆetre influenc´e par les r´egions avoisinantes. Diverses ´etudes r´ecentes ont montr´e l’impact d’une omission des interd´ependances spatiales sur l’analyse de la convergence r´egionale (Arbia et al. (2008)).
Dans le cadre d’une analyse r´egionale de la convergence `a partir d’une sp´ecification en panel dynamique,Badingeret al.(2004) mettent en oeuvre un estimateur GMM sur des variables pr´ealablement filtr´ees spatialement ; Elhorst (2005) sugg`ere un estimateur du maximum de vraisemblance dans lequel figure simultan´ement une dynamique spatiale et temporelle. Piras et Arbia(2007) ´etendent les mod`eles de donn´ees de panel (statiques) avec autocorr´elation spatiale des erreurs `a une analyse de la convergence des r´egions europ´eennes (UE).
Dans ce contexte, l’objectif de ce chapitre est de pr´esenter une strat´egie d’estimation qui consid`ere `a la fois les dynamiques temporelles et spatiales sur donn´ees de panel, et de fournir une application en ´etudiant la convergence conditionnelle des r´egions euro- p´eennes.
Le chapitre est organis´e comme suit. La section 2.2 pr´esente les principaux travaux sur l’estimation des mod`eles dynamiques spatiaux en donn´ees de panel et d´eveloppe une strat´egie d’estimation bas´ee sur la m´ethode des moments g´en´eralis´es. La section 2.3 pr´esente les principaux r´esultats empiriques de cette strat´egie d’estimation pour l’analyse de la convergence des r´egions europ´eennes sur la p´eriode 1980-2005. La section 2.4 conclut.
2.2 Probl` emes ´ econom´ etriques li´ es ` a l’estimation des mod` eles dynamiques spatiaux en donn´ ees de panel
2.2.1 Les mod` eles dynamiques spatiaux
Le mod`ele `a erreur spatiale et le mod`ele autor´egressif spatial sont deux fa¸cons dif- f´erentes d’aborder la question de la d´ependance spatiale (Anselin, 2001). Le premier consiste `a consid´erer la d´ependance spatiale comme une forme de nuisance en in- corporant un processus spatial dans les erreurs (par analogie aux analyses en s´eries temporelles). Dans la seconde sp´ecification, les interactions entre observations sont ca- ract´eris´ees par l’introduction d’une variable d´ependante spatialement retard´ee (terme autor´egressif spatial). Cette derni`ere sp´ecification permet de mesurer l’intensit´e des in- teractions entre les observations2. Elle peut ´egalement ˆetre utile lorsque l’on souhaite
2comme interpr´et´ee dans le chapitre3.
contrˆoler de la d´ependance spatiale pour ´evaluer l’impact des autres variables explica- tives3. La d´efinition de ces deux sp´ecifications s’appuie sur la d´efinition d’une pond´era- tion spatiale (matrice W) d´ecrivant la disposition spatiale de chaque individu les uns par rapport aux autres. Afin de faciliter l’interpr´etation des r´esultats, cette matrice est standardis´ee de sorte que la somme de chaque ligne soit ´egale `a 1. Tout au long de ce chapitre, nous supposons que cette matrice est constante au fil du temps (nous fixons dans le temps les relations de voisinage entre individus).
La suite de cette section pr´esente un mod`ele dynamique spatial incluant une va- riable autor´egressive spatiale (section2.2.1.1) et un mod`ele dynamique avec des erreurs spatialement corr´el´ees (section2.2.1.2).
2.2.1.1 Mod`ele dynamique spatial en donn´ees de panel
Les donn´ees de panel peuvent pr´esenter `a la fois une d´ependance temporelle (variable d´ependante autcorr´el´ee au fil du temps) et spatiale (variable d´ependante autocorr´el´ee dans l’espace). Comme sugg´er´e parAnselinet al.(2008), plusieurs sp´ecifications peuvent ˆetre envisag´ees en introduisant des consid´erations spatiales, et temporelles. Prenons une sp´ecification g´en´erale («dynamique spatio-temporelle») :
yi,t =αyi,t−1+ρX
j6=i
wij.yi,t+φX
j6=i
wij.yi,t−1+xi,tβ+ (ηi+νi,t) (2.2.1)
|α|<1,|ρ|<1,|φ|<1i= 1, ..., N t= 2, ..., T
o`u yi,t est une observation de la variable d´ependante pour l’individu i `a la p´eriode t, et yi,t−1 est l’observation de cette variable pour le mˆeme individu retard´ee d’une
3Nous interpr´etons les r´esultats des chapitres 2 et 4 afin de d´eterminer comment les interactions spatiales affectent la mesure de la convergence, puis la mesure de l’effet de la politique de coh´esion.
p´eriode.Pj6=iwij.yi,t etPj6=iwij.yi,t−1 sont respectivement le terme autor´egressif spatial et sa valeur retard´ee d’une p´eriode. Le coefficient α mesure l’effet de la d´ependance s´erielle de la variable d´ependante, tandis que le coefficient ρ repr´esente l’intensit´e des interactions spatiales contemporaines (qui se diffusent instantan´ement), et φ l’intensit´e des interd´ependances spatiales retard´ees d’une p´eriode. ηi+νi,t est une fa¸con classique de sp´ecifier une erreur en donn´ees de panel qui permet de contrˆoler de l’h´et´erog´en´eit´e non observ´ee (le terme d’erreur sera not´e ci-apr`es εi,t). Ces effets fixes sp´ecifiques `a chaque individu ηi sont cens´es ˆetre corr´el´es avec le terme autor´egressif. Nous limitons notre ´etude au cas stable, i.e. avec |α+ρ+φ| <1(voir Lee et Yu (2010a), pour plus de d´etails sur l’analyse des racines unitaires en panel pour les mod`eles dynamiques spatiaux). Cette sp´ecification inclut plusieurs cas particuliers de mod`eles autor´egressif spatiaux en donn´ees de panel :
– si α = ρ = 0 nous obtenons une sp´ecification «spatiale autor´egressive retard´ee pure» dans laquelle la d´ependance est caus´ee par les interactions entre individus
`
a la p´eriode pr´ec´edente (elle ne prend en compte que le terme autor´egressif spatial retard´ee d’une p´eriode Pj6=iwij.yi,t−1) ;
– si ρ= 0 la sp´ecification est r´eduite `a un mod`ele «spatio-temporelle retard´e»dans lequel la d´ependance est `a la fois temporelle (yi,t−1) et spatiale par l’interm´ediaire du terme autor´egressif spatial retard´e d’une p´eriode (Pj6=iwij.yi,t−1) ;
– siφ= 0nous avons une sp´ecification«spatio-temporelle simultan´ee»qui fait inter- venir un terme autor´egressif (yi,t−1) et le terme autor´egressif spatial contemporain (Pj6=iwij.yi,t) ;
– enfin, si α = φ = 0 (ρ 6= 0) nous avons `a faire `a un mod`ele spatialement auto- r´egressif, tandis que si ρ = φ = 0 (α 6= 0) nous obtenons un mod`ele dynamique simple.
Les r´esultats de Nickell (1981) indiquent que l’estimation du coefficient α par les moindres carr´es ordinaires (OLS) est biais´ee vers le haut.
L’estimateur «within» pour donn´ees de panel, qui permet de contrˆoler de carac- t´eristiques inobserv´ees invariantes dans le temps, conduit `a des gains substantiels en robustesse (relativement `a un estimateur OLS en coupe ou panel), bien qu’il y ait des cons´equences sur sa convergence si l’on ne fait pas attention `a une dynamique d’ajus- tement temporelle de la variable d´ependante : les r´esultats standards indiquent que l’estimateur est biais´e vers le bas (Nickell, 1981).
Selon Anselin(2001) etAbreu et al.(2005), l’introduction d’une variable autor´egres- sive spatiale dans ce cadre cause des probl`emes de simultan´eit´e. Diff´erentes m´ethodes d’estimation ont ´et´e d´evelop´ees pour faire face aux probl`emes li´es `a l’estimation d’un mod`ele dynamique, ou de la d´ependance spatiale. Pour un mod`ele dynamique sans d´e- pendance spatiale, Hsiao et al. (2002) ont d´evelopp´e un estimateur du maximum de vraisemblance (MLE) pour de grands ´echantillons. Une autre approche consiste `a corri- ger les biais des estimations obtenus `a l’aide du«within»(CLSDV,Kiviet(1995),Hahn et Kuersteiner(2002),Bun et Caree(2005)). Enfin, la solution la plus courante consiste
`
a utiliser les estimateurs, bas´es sur la m´ethode des moments g´en´eralis´es, propos´es par Arellano et Bond(1991), Arellano et Bover (1995) et Blundell et Bond (1998).
Pour un mod`ele statique en donn´ees de panel, les interactions spatiales avec effets fixes sont g´en´eralement estim´es `a l’aide du maximum de vraisemblance comme sugg´er´e parElhorst(2005) ou bien par un estimateur `a variables instrumentales (Anselin,2001).
Les d´eveloppements r´ecents de la litt´erature sur l’estimation de mod`eles dynamiques spatiaux en donn´ees de panel (SDPD) semblent combiner chacune de ces approches.
Elhorst (2005) sugg`ere d’estimer un mod`ele int´egrant soit un terme autor´egressif spa- tial, soit une erreur spatialement autocorr´el´ee grˆace `a un estimateur du maximum de vraisemblance non contraint. L’utilisation de cette m´ethode ne permet pas d’introduire de variables explicatives en dehors des termes dynamiques.Yuet al.(2008) etLee et Yu (2010b) d´emontrent les propri´et´es asymptotiques d’un estimateur du quasi-maximum de vraisemblance (QMLE) pour un mod`ele dynamique spatial avec la possibilit´e d’intro- duire des variables explicatives exog`enes. Plus r´ecemment, Korniotis (2010) a propos´e une approche reprenant le «CLSDV»deHahn et Kuersteiner (2002) et un estimateur
`
a variables instrumentales (Anderson et Hsiao, 1982) ´etendu pour prendre en compte les interactions spatiales.
Ces diff´erents estimateurs peuvent ˆetre compl´ementaires, en fonction de la sp´ecifica- tion qui nous int´eresse. Par exemple,Korniotis(2010) se concentre sur une sp´ecification
«spatio-temporelle retard´ee»alors queYu et Lee(2009) travaillent sur une sp´ecification
«spatio-temporelle dynamique».
Nous consid`erons que l’estimation de ces sp´ecifications par la m´ethode des moments g´en´eralis´ees pr´esente plusieurs avantages. Tout d’abord, les GMM permettent d’estimer chaque cas particulier de l’´equation (2.2.2) en modifiant seulement quelques conditions sur les moments. De plus, les GMM autorisent l’endog´en´eit´e des variables explicatives additionnelles (cf.section 2.2.2). Bien qu’aucun estimateur ne soit actuellement dispo- nible pour traiter ce probl`eme de simultan´eit´e tout en tenant compte de l’endog´en´eit´e potentielle des variables additionnelles, Kukoneva et Monteiro (2009) d´emontrent `a l’aide de simulations de Monte Carlo qu’un estimateur GMM ´etendu pour permettre l’introduction des effets spatiaux est, dans de nombreux cas, plus efficace que le MLE ou le QMLE, en particulier en pr´esence d’autres variables endog`enes (xi,t).
2.2.1.2 mod`ele dynamique avec erreurs spatialement autocorr´el´ees
Un processus `a erreur spatialement autocorr´el´ee est un autre moyen de capturer la d´ependance spatiale. R´ecemment, Kapoor et al. (2007) ont d´evelopp´e une proc´edure d’estimation `a l’aide des GMM pour un panel statique. Prenons le mod`ele suivant :
yit =αyit−1+xintβ+εi,t εi,t =ρX
j6=i
wij.εi,t+ (ηi+νi,t) (2.2.2)
|α|<1,|ρ|<1i= 1, ..., N t= 2, ..., T
o`u le terme d’erreur est compos´e de la somme pond´er´ee des chocs des r´egions voi- sines (ρPj6=iwij.εi,t) et du terme d’erreur pr´ec´edement pr´esent´ee (ηi+νi,t) (avecνi,t un choc ind´ependamment et identiquement distribu´e de variance σ2ν). Cette autocorr´ela- tion spatiale dans les erreurs engendre une matrice de variance-covariance non diagonale et conduit `a des estimations non efficientes. Elhorst (2005) propose d’estimer ce mo- d`ele `a l’aide du maximum de vraisemblance pour un panel dynamique dans le cas d’un panel «court» (T fixe) o`u yi,0 est consid´er´ee comme exog`ene. En utilisant l’estima- teur GMM pour un mod`ele dynamique simple (Arellano et Bond, 1991), Mutl (2006)
´etend l’approche de Kapoor et al. (2007) `a l’estimation d’un mod`ele dynamique avec autocorr´elation spatiale des erreurs.
2.2.2 Strat´ egie d’estimation d’un mod` ele dynamique spatial par les GMM
La sp´ecification en panel dynamique est devenu tr`es commune dans les ´etudes em- piriques sur la convergence depuis les travaux de Caselli et al. (1996). Toutefois, l’in-
troduction d’un terme autor´egressif dans l’´equation peut conduire `a des estimations biais´ees, ce qui oblige `a avoir recours `a un estimateur bas´e sur la m´ethode des moments g´en´eralis´es. Une strat´egie couramment utilis´ee pour estimer les param`etres d’un mod`ele dynamique en donn´ees de panel consiste tout d’abord `a transformer le mod`ele en diff´e- rence premi`ere afin d’´eliminer les effets fixes. Ensuite, il s’agit de d´efinir des restrictions sur les moments ad´equates, qui correspondent `a l’utilisation des valeurs en niveaux re- tard´ees de la variable autor´egressive pour instrumenter les valeurs contemporaines en diff´erence premi`ere (GMM-DIFF) (Arellano et Bond,1991;Caselli et al., 1996).
Consid`erons tout d’abord un mod`ele «spatio-temporel simultan´e» :
yi,t =αyi,t−1+ρX
j6=i
wij.yi,t+xi,tβ+ (ηi+νi,t) (2.2.3)
Nous proc´edons de mani`ere s´equentielle en pr´esentant les conditions sur les moments de l’´equation (2.2.3). Ci-dessous, nous nous concentrons sur une sp´ecification dans la- quelle les termes d’erreursεi,t ne sont pas s´eriellement corr´el´es. Dans ce cas, le d´ecalage temporelle de la variable autor´egressive en diff´erence premi`ere (∆yi,t−1) est instrument´e avec les valeurs en niveaux de cette mˆeme variable, en consid´erant un d´ecalage d’au moins deux p´eriodes (yi,t−2). Nous obtenons ainsi une matrice des instruments pour chaque individu de la forme suivante :
Zi =
yi1 0 0 · · · 0 · · · 0 0 yi1 yi2 · · · 0 · · · 0 ... . .. ... ... ... ... ... 0 0 0 · · · yi1 · · · yiT−2
o`u les lignes correspondent aux ´equations en diff´erences premi`eres pour les p´eriodes t= 3,4, ..., T pour chaque individu i.
Ainsi, nous consid´erons les restrictions sur les moments n’impliquant pas de corr´e- lation entre le terme d’erreur en diff´erence premi`ere et les valeurs retard´ees du terme autor´egressif yi,t−1 :
(i) E(yi,s∆εi,t) = 0 pour s= 1, . . ., T −2 ett = 3, . . ., T.
xi,t peut ˆetre d´efini comme un vecteur des valeurs (courantes et retard´ees) de l’en- semble des variables additionnelles. Les conditions sur les moments de ces variables sont d´etermin´ees en fonction des relations suppos´ees entre xi,t et les composantes du terme d’erreur. Nous pouvons concevoir un ensemble de conditions (Bond,2002) :
– si xi,t est strictement exog`ene
(ii) E(xi,s∆εi,t) = 0 pours= 1, . . ., T ett= 3, . . ., T. – si xi,t est pr´ed´etermin´e
(iii) E(xi,s∆εi,t) = 0 pour s= 1, . . ., T −1 et t= 3, . . ., T. – si xi,t est strictement endog`ene
(iv)E(xi,s∆εi,t) = 0 pours = 1, . . ., T −2 ett= 3, . . ., T.
Comme mentionn´e pr´ec´edemment, le terme autor´egressif spatial est strictement endo- g`ene. Par cons´equent, les restrictions sur les moments d´ecrites ci-dessus ne suffisent pas
`
a fournir une estimation non biais´ee. Une solution ´evidente consiste `a estimer l’´equa- tion (2.2.3) en introduisant des restrictions sur les moments suppl´ementaires consid´erant
P
j6=iwij.yi,t comme les autres variables endog`enes.
Ceci signifie que les externalit´es spatiales se diffusent imm´ediatement, affectant l’en- semble des unit´es spatiales. Ces restrictions suppl´ementaires sont ´ecrites de la mˆeme mani`ere que (i) :
(v) E(Pj6=iwij.yi,s∆εi,t) = 0 pours = 1, . . ., T −2 ett= 3, . . ., T.
Nous utilisons les variables additionnelles spatialement retard´ees Pj6=iwij.xi,t pour instrumenter le terme autor´egressif spatial. La part exog`ene de la variable de ce dernier terme est identifi´ee `a l’aide d’une version ”spatialement retard´ee” de notre mod`ele. La validit´e de cette proc´edure n´ecessite toutefois la restriction sur les moments suivante (avec Pj6=iwij.xi,t exog`ene) :
(vi) E(Pj6=iwij.xi,t∆εi,t) = 0 pourt = 3, . . ., T.
La prise en compte des interactions spatiales par l’interm´ediaire d’un terme autor´e- gressif spatial implique que les effets de d´ebordements se diffusent de mani`ere imm´ediate entre les diff´erents individus. Cependant, il est possible d’imaginer d’autres sp´ecifica- tions dans le cadre d’un mod`ele dynamique, e.g.en introduisant un terme autor´egressif spatial retard´e d’une p´eriode (Pj6=iwij.yi,t−1 ). Ceci implique de modifier les conditions sur les moments entre l’erreur et le terme autor´egressif spatial.
Dans le cas d’un mod`ele «spatio-temporel dynamique», les restrictions (i) `a (iv) restent valides, alors que celles relatives au terme autor´egressif spatial doivent ˆetre modifi´ees :
(vii) E(Pj6=iwij.yi,s∆εi,t) = 0 pours= 1, . . ., T −3et t= 3, . . ., T . (viii) E(Pj6=iwijyi,s∆εi,t) = 0 pours= 1, . . ., T −3et t= 3, . . ., T.
L’estimateur efficient des GMM est bas´e sur les conditions sur les moments pr´ec´e- dentes et doit minimiser le crit`ere suivant :
JN = 1 N
N
X
i=1
∆ε0iZi
!
CN 1 N
N
X
i=1
Zi0∆εi
!
(2.2.4) O`u∆εi = (∆εi3,∆εi4, . . . ,∆εiT), et Zi est la matrice des instruments comme d´efinie ci-dessus. Nous utilisons une matrice de pond´eration des momentsCN suivante :
